| Trik anti-AI | Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Tidak ada jawaban gagal. Waktu respons (rata-rata) 3496ms Waktu respons (maks) 4305ms Waktu respons (total) 10487ms Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 100.0% MoonshotAI: Kimi K2.5 - Tanpa penalaran 0.0% 0.0% 100.0% | 10.00 Skor rata-rata di semua tes benchmark. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 10.00 Z.ai: GLM 4.7 Flash - Tanpa penalaran 1.00 1.00 10.00 | 10.00 Skor konsistensi mencerminkan kestabilan antar pengulangan (10 = sangat konsisten, bahkan jika konsisten salah). Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 10.00 Anthropic: Claude Opus 4.6 - Penalaran (medium) 4.41 4.41 10.00 | 100.0% Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua pengulangan. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 100.0% xAI: Grok 4.1 Fast - Tanpa penalaran 0.0% 0.0% 100.0% | 0 Tes tidak stabil memiliki hasil campuran antar pengulangan (setidaknya satu lulus dan satu gagal). Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 0 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 0 Google: Gemini 3 Pro Preview - Penalaran (medium) 0 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 0 Google: Gemini 3 Flash Preview - Penalaran (low) 0 Anthropic: Claude Opus 4.6 - Penalaran (medium) 2 0 2 | 6.23 Mengukur kejernihan, efisiensi, dan konsistensi penalaran secara terpisah dari kebenaran jawaban akhir. Catatan: pada beberapa model Gemini, hanya teks penalaran parsial yang tersedia, sehingga skor penalaran bisa terlihat lebih rendah. Peringkat: #14/19 28% Anthropic: Claude Opus 4.6 - Penalaran (medium) 10.00 OpenAI: gpt-oss-120b - Penalaran (medium) 10.00 Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 9.89 Z.ai: GLM 5 - Penalaran (medium) 9.83 StepFun: Step 3.5 Flash - Penalaran (medium) 9.83 Google: Gemini 3 Flash Preview - Penalaran (low) 6.23 Qwen: Qwen3 Coder Next - Penalaran (medium) 4.00 4.00 10.00 | 3496ms | $0.00844 Total Biaya Peringkat: #16/29 46% StepFun: Step 3.5 Flash - Penalaran (medium) $0.00000 OpenAI: GPT-4o-mini - Tanpa penalaran $0.00018 Z.ai: GLM 4.7 Flash - Tanpa penalaran $0.00020 Xiaomi: MiMo-V2-Flash - Tanpa penalaran $0.00024 xAI: Grok 4.1 Fast - Tanpa penalaran $0.00049 Google: Gemini 3 Flash Preview - Penalaran (low) $0.00844 Anthropic: Claude Opus 4.6 - Penalaran (medium) $0.05049 $0.00000 $0.05049 |
| Parsing dan ekstraksi data | Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Tidak ada jawaban gagal. Waktu respons (rata-rata) 9460ms Waktu respons (maks) 14717ms Waktu respons (total) 18919ms Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 100.0% Z.ai: GLM 4.7 Flash - Tanpa penalaran 0.0% 0.0% 100.0% | 10.00 Skor rata-rata di semua tes benchmark. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 10.00 Z.ai: GLM 4.7 Flash - Tanpa penalaran 0.50 0.50 10.00 | 10.00 Skor konsistensi mencerminkan kestabilan antar pengulangan (10 = sangat konsisten, bahkan jika konsisten salah). Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 10.00 Z.ai: GLM 5 - Penalaran (medium) 5.56 5.56 10.00 | 100.0% Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua pengulangan. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 100.0% Xiaomi: MiMo-V2-Flash - Tanpa penalaran 16.7% 0.0% 100.0% | 0 Tes tidak stabil memiliki hasil campuran antar pengulangan (setidaknya satu lulus dan satu gagal). Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 0 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 0 Google: Gemini 3 Pro Preview - Penalaran (medium) 0 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 0 Google: Gemini 3 Flash Preview - Penalaran (low) 0 Z.ai: GLM 5 - Penalaran (medium) 1 0 1 | 4.73 Mengukur kejernihan, efisiensi, dan konsistensi penalaran secara terpisah dari kebenaran jawaban akhir. Catatan: pada beberapa model Gemini, hanya teks penalaran parsial yang tersedia, sehingga skor penalaran bisa terlihat lebih rendah. Peringkat: #17/19 11% OpenAI: gpt-oss-120b - Penalaran (medium) 10.00 Z.ai: GLM 4.7 Flash - Penalaran (medium) 9.87 Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 9.83 Anthropic: Claude Opus 4.6 - Penalaran (medium) 9.83 Z.ai: GLM 5 - Penalaran (medium) 9.80 Google: Gemini 3 Flash Preview - Penalaran (low) 4.73 OpenAI: GPT-5.3-Codex - Penalaran (medium) 1.25 1.25 10.00 | 9460ms | $0.01354 Total Biaya Peringkat: #18/29 39% StepFun: Step 3.5 Flash - Penalaran (medium) $0.00000 Xiaomi: MiMo-V2-Flash - Penalaran (medium) $0.00029 Xiaomi: MiMo-V2-Flash - Tanpa penalaran $0.00029 Z.ai: GLM 4.7 Flash - Tanpa penalaran $0.00050 OpenAI: gpt-oss-120b - Penalaran (medium) $0.00052 Google: Gemini 3 Flash Preview - Penalaran (low) $0.01354 Anthropic: Claude Opus 4.6 - Penalaran (medium) $0.07755 $0.00000 $0.07755 |
| Spesifik domain | Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Jawaban salah: 2 Waktu respons (rata-rata) 8314ms Waktu respons (maks) 14399ms Waktu respons (total) 24941ms Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Peringkat: #8/29 75% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 66.7% Google: Gemini 3 Flash Preview - Tanpa penalaran 66.7% Anthropic: Claude Sonnet 4.6 - Tanpa penalaran 66.7% Z.ai: GLM 4.7 Flash - Tanpa penalaran 66.7% Google: Gemini 3 Flash Preview - Penalaran (low) 33.3% Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 0.0% 0.0% 100.0% | 4.00 Skor rata-rata di semua tes benchmark. Peringkat: #8/29 75% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 7.00 Google: Gemini 3 Flash Preview - Tanpa penalaran 7.00 Anthropic: Claude Sonnet 4.6 - Tanpa penalaran 7.00 Z.ai: GLM 4.7 Flash - Tanpa penalaran 7.00 Google: Gemini 3 Flash Preview - Penalaran (low) 4.00 Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 1.00 1.00 10.00 | 4.41 Skor konsistensi mencerminkan kestabilan antar pengulangan (10 = sangat konsisten, bahkan jika konsisten salah). Peringkat: #23/29 21% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Tanpa penalaran 10.00 Anthropic: Claude Sonnet 4.6 - Tanpa penalaran 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 4.41 4.41 10.00 | 55.5% Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua pengulangan. Peringkat: #11/29 64% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 66.7% Google: Gemini 3 Flash Preview - Tanpa penalaran 66.7% Anthropic: Claude Sonnet 4.6 - Tanpa penalaran 66.7% Z.ai: GLM 4.7 Flash - Tanpa penalaran 66.7% Google: Gemini 3 Flash Preview - Penalaran (low) 55.5% Z.ai: GLM 5 - Tanpa penalaran 0.0% 0.0% 100.0% | 2 Tes tidak stabil memiliki hasil campuran antar pengulangan (setidaknya satu lulus dan satu gagal). Peringkat: #23/29 21% Google: Gemini 3 Flash Preview - Penalaran (medium) 0 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 0 Google: Gemini 3 Pro Preview - Penalaran (medium) 0 Google: Gemini 3 Flash Preview - Tanpa penalaran 0 Anthropic: Claude Sonnet 4.6 - Tanpa penalaran 0 Google: Gemini 3 Flash Preview - Penalaran (low) 2 0 2 | 1.83 Mengukur kejernihan, efisiensi, dan konsistensi penalaran secara terpisah dari kebenaran jawaban akhir. Catatan: pada beberapa model Gemini, hanya teks penalaran parsial yang tersedia, sehingga skor penalaran bisa terlihat lebih rendah. Peringkat: #18/19 6% Xiaomi: MiMo-V2-Flash - Penalaran (medium) 8.72 OpenAI: gpt-oss-120b - Penalaran (medium) 8.53 StepFun: Step 3.5 Flash - Penalaran (medium) 8.44 Z.ai: GLM 5 - Penalaran (medium) 8.43 Z.ai: GLM 4.7 Flash - Penalaran (medium) 8.21 Google: Gemini 3 Flash Preview - Penalaran (low) 1.83 OpenAI: GPT-5.3-Codex - Penalaran (medium) 1.00 1.00 8.72 | 8314ms | $0.01993 Total Biaya Peringkat: #18/29 39% StepFun: Step 3.5 Flash - Penalaran (medium) $0.00000 Z.ai: GLM 4.7 Flash - Tanpa penalaran $0.00005 Xiaomi: MiMo-V2-Flash - Tanpa penalaran $0.00008 Qwen: Qwen3 Coder Next - Tanpa penalaran $0.00010 Qwen: Qwen3 Coder Next - Penalaran (medium) $0.00010 Google: Gemini 3 Flash Preview - Penalaran (low) $0.01993 Anthropic: Claude Sonnet 4.6 - Penalaran (medium) $0.64205 $0.00000 $0.64205 |
| Kepatuhan instruksi | Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Tidak mengikuti instruksi: 1 Waktu respons (rata-rata) 7016ms Waktu respons (maks) 7350ms Waktu respons (total) 14031ms Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Peringkat: #14/29 54% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% OpenAI: GPT-5.2 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 50.0% xAI: Grok 4.1 Fast - Tanpa penalaran 0.0% 0.0% 100.0% | 7.50 Skor rata-rata di semua tes benchmark. Peringkat: #15/29 50% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 10.00 Z.ai: GLM 5 - Tanpa penalaran 10.00 OpenAI: gpt-oss-120b - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 7.50 xAI: Grok 4.1 Fast - Tanpa penalaran 1.00 1.00 10.00 | 9.99 Skor konsistensi mencerminkan kestabilan antar pengulangan (10 = sangat konsisten, bahkan jika konsisten salah). Peringkat: #17/29 43% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 OpenAI: GPT-5.3-Codex - Penalaran (medium) 10.00 OpenAI: GPT-5.2 - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 9.99 Xiaomi: MiMo-V2-Flash - Penalaran (medium) 5.80 5.80 10.00 | 50.0% Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua pengulangan. Peringkat: #19/29 36% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% OpenAI: GPT-5.2 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 50.0% xAI: Grok 4.1 Fast - Tanpa penalaran 0.0% 0.0% 100.0% | 0 Tes tidak stabil memiliki hasil campuran antar pengulangan (setidaknya satu lulus dan satu gagal). Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 0 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 0 Google: Gemini 3 Pro Preview - Penalaran (medium) 0 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 0 Google: Gemini 3 Flash Preview - Penalaran (low) 0 Google: Gemini 3 Flash Preview - Tanpa penalaran 1 0 1 | 5.00 Mengukur kejernihan, efisiensi, dan konsistensi penalaran secara terpisah dari kebenaran jawaban akhir. Catatan: pada beberapa model Gemini, hanya teks penalaran parsial yang tersedia, sehingga skor penalaran bisa terlihat lebih rendah. Peringkat: #17/19 11% Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 10.00 Z.ai: GLM 5 - Penalaran (medium) 9.75 StepFun: Step 3.5 Flash - Penalaran (medium) 9.67 Anthropic: Claude Opus 4.6 - Penalaran (medium) 9.50 OpenAI: gpt-oss-120b - Penalaran (medium) 9.50 Google: Gemini 3 Flash Preview - Penalaran (low) 5.00 OpenAI: GPT-5.3-Codex - Penalaran (medium) 1.00 1.00 10.00 | 7016ms | $0.00878 Total Biaya Peringkat: #20/29 32% StepFun: Step 3.5 Flash - Penalaran (medium) $0.00000 Z.ai: GLM 4.7 Flash - Tanpa penalaran $0.00006 Xiaomi: MiMo-V2-Flash - Tanpa penalaran $0.00008 Qwen: Qwen3 Coder Next - Tanpa penalaran $0.00013 Qwen: Qwen3 Coder Next - Penalaran (medium) $0.00014 Google: Gemini 3 Flash Preview - Penalaran (low) $0.00878 Google: Gemini 3.1 Pro Preview - Penalaran (medium) $0.03134 $0.00000 $0.03134 |
| Puzzle Solving | Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Tidak ada jawaban gagal. Waktu respons (rata-rata) 6440ms Waktu respons (maks) 10274ms Waktu respons (total) 19319ms Tes dianggap lulus penuh hanya jika semua pengulangannya lulus. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 100.0% StepFun: Step 3.5 Flash - Penalaran (medium) 0.0% 0.0% 100.0% | 10.00 Skor rata-rata di semua tes benchmark. Peringkat: #4/29 89% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 10.00 Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 10.00 Xiaomi: MiMo-V2-Flash - Penalaran (medium) 1.00 1.00 10.00 | 10.00 Skor konsistensi mencerminkan kestabilan antar pengulangan (10 = sangat konsisten, bahkan jika konsisten salah). Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 10.00 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 10.00 Google: Gemini 3 Pro Preview - Penalaran (medium) 10.00 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 10.00 Google: Gemini 3 Flash Preview - Penalaran (low) 10.00 MiniMax: MiniMax M2.5 - Penalaran (medium) 4.79 4.79 10.00 | 100.0% Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua pengulangan. Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 100.0% Google: Gemini 3.1 Pro Preview - Penalaran (medium) 100.0% Google: Gemini 3 Pro Preview - Penalaran (medium) 100.0% Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 100.0% Google: Gemini 3 Flash Preview - Penalaran (low) 100.0% OpenAI: GPT-4o-mini - Tanpa penalaran 0.0% 0.0% 100.0% | 0 Tes tidak stabil memiliki hasil campuran antar pengulangan (setidaknya satu lulus dan satu gagal). Peringkat: #5/29 86% Google: Gemini 3 Flash Preview - Penalaran (medium) 0 Google: Gemini 3.1 Pro Preview - Penalaran (medium) 0 Google: Gemini 3 Pro Preview - Penalaran (medium) 0 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) 0 Google: Gemini 3 Flash Preview - Penalaran (low) 0 OpenAI: GPT-5 Nano - Penalaran (medium) 2 0 2 | 7.50 Mengukur kejernihan, efisiensi, dan konsistensi penalaran secara terpisah dari kebenaran jawaban akhir. Catatan: pada beberapa model Gemini, hanya teks penalaran parsial yang tersedia, sehingga skor penalaran bisa terlihat lebih rendah. Peringkat: #13/19 33% Z.ai: GLM 5 - Penalaran (medium) 9.50 Anthropic: Claude Sonnet 4.6 - Penalaran (medium) 9.44 Anthropic: Claude Opus 4.6 - Penalaran (medium) 9.44 MoonshotAI: Kimi K2.5 - Penalaran (medium) 9.26 StepFun: Step 3.5 Flash - Penalaran (medium) 9.22 Google: Gemini 3 Flash Preview - Penalaran (low) 7.50 Qwen: Qwen3 Coder Next - Penalaran (medium) 4.33 4.33 9.50 | 6440ms | $0.01105 Total Biaya Peringkat: #17/29 43% StepFun: Step 3.5 Flash - Penalaran (medium) $0.00000 Z.ai: GLM 4.7 Flash - Tanpa penalaran $0.00008 OpenAI: GPT-4o-mini - Tanpa penalaran $0.00028 xAI: Grok 4.1 Fast - Tanpa penalaran $0.00053 Qwen: Qwen3 Coder Next - Penalaran (medium) $0.00058 Google: Gemini 3 Flash Preview - Penalaran (low) $0.01105 Qwen: Qwen3.5 Plus 2026-02-15 - Penalaran (medium) $0.05508 $0.00000 $0.05508 |